BIG data IS BEAUTIFUL business

Rien de nouveau et pourtant si révolutionnaire

Quand on parle de Big Data on parle de ROI, de data, de marketing, de personnalisation, de churn, etc. alors concrètement où se situe la révolution ? la révolution réside dans l’agrégation des données de l’entreprise.

Les entreprises sortent d’une période où elles ont mis en œuvre des systèmes permettant de collecter de la donnée sur la plupart de leurs processus. Les métiers pensent en silo, avec des outils différents très orientés « maitrise d’ouvrage ».

Les projets big data et les réflexions qui en découlent poussent les systèmes à s’interconnecter afin d’organiser la collecte de l’information. Big data bouleversent les organisations, les décisions, les acquis. Il faut comprendre que jusqu’à présent, les administrateurs de bases de données ont modélisé des tables afin de structurer le stockage et l’interrogation des données pour des besoins métiers. Les développeurs ont imaginé des applications pour manipuler la donnée sur la base de process métiers exprimés par les maitrises d’ouvrage comme le CRM. Ces modélisations sont dépassées, impossibles à maintenir face aux nouveaux enjeux du marché comme le cross canal. La granularité de l’information obtenue par la webanalyse ou celle des réseaux sociaux est trop fine ! la problématique est la même pour les postulats marketings que sont les segmentations ou les ciblages par CSP, ces modèles sont dépassés car rendus obsolètes par la mise en relation des systèmes de données qui expriment des relations entre les données « imprévisibles ».

La révolution réside dans l’inversion d’une tendance fondamentale, on ne demande plus à la donnée de démontrer une hypothèse, une intuition ; on constate depuis la donnée des faits, on construit ainsi des outils bien plus efficaces. La donnée crée et pilote l’usage. Les applications big data vous permettent de démontrer que ce n’est pas 20% de vos clients ou de votre catalogue qui représentent 80% de votre chiffre d’affaires ! on peut découvrir que les grands pères n’achètent pas des Nintendo DS que pour leurs petits enfants mais aussi pour leurs femmes. Pour la segmentation, peut on par exemple répondre à la question : quel segment est plus il le plus rentable ? dans les modèles traditionnels s’est impossible, la big data rend possible ce type de modélisation.

La révolution est devenue possible par l’évolution technologique en particulier le stockage et le traitement de volumes de données très importants. Dans le milieu médical il est courant de dire que seules 5% des données recueillies sont utilisées pour prendre des décisions. Imaginez des applications qui permettent de prendre en compte les 95% restant ! Au-delà du stockage, les évolutions informatiques ont permis le traitement en parallèle de gros volumes de calcul, de processus métiers, afin d’interpréter les données obtenues. On parle des trois V : vélocité, volume et variété.

La révolution réside dans la capacité de Big Data à redonner le pouvoir au marketing  en le rendant plus agile, plus intelligent, pour un cout raisonnable. Le big data est au marketing ce que la méthode agile est à l’informatique. Il ne faut pas s’attaquer à de gros projets à plusieurs centaines de milliers ou – pour certaines entreprises – plusieurs millions d’euros qui finissent par paralyser l’usage, le cahier des charges étant trop ambitieux. La big data s’aborde par la réalisation de prototypes aussi appelés Proof of Concept (POC), un mode de pensée « test and learn » de type agile. Cela demande d’accepter de faire des erreurs, de ne pas persister sur certaines modélisations décevantes pour concentrer ses moyens sur les plus performantes. Nombreux sont les clients qui expriment l’intérêt de cette démarche en particulier le niveau de sérendipité qu’elle révèle. On découvre par l’interprétation de la donnée des usages insoupçonnés.

Mais comment ça marche ?

Agilité et plasticité qualifient au mieux les architectures big data. Sans se perdre dans le détail, les principes généraux sont de récupérer des données hétérogènes via des flux, de consolider la donnée, vérifier l’intégrité en corrigeant les imperfections ou les accidents. On applique ensuite à la donnée une phase de synthèse mathématique qui cartographie la donnée afin de créer des rapprochements et mettre en lumière des événements. Des probabilités permettent de définir le niveau d’opportunité de chaque événement afin d’écarter le bruit, c’est-à-dire les occurrences qui ont peu de probabilité de se reproduire ou dont la fréquence est inintéressante d’un point de vue métier.

Il faut retenir que la technologie doit être transparente dans ce type de projet, qu’un POC ne doit pas excéder un mois et 50K€ de budget. La complexité informatique ou mathématique est l’affaire du prestataire, seuls les scenarii business comptent.

Et pour quels usages ?

Les principaux usages de la big data sont l’hyperpersonnalisation des parcours clients ou l’optimisation du churn par la détection et l’adressage des comportements à risque. Les secteurs les plus consommateurs sont les télécommunications et le retail. Big data est au service de la compréhension des parcours riches, des nouveaux comportements crosscanaux comme le web to store. Bigdata permet par exemple d’adresser certaines problématiques auxquels sont confrontés les retailers dans les stratégies de drive to store. Les commerçants constatent une baisse du panier moyen ou des cycles de réassort plus longs, des applications permettent de proposer des promotions très ciblées valables sur une période courte pour déclencher l’acte d’achat ou du upselling ultraciblé au moment de la récupération des produits en boutiques. Ces outils permettent aussi de calculer à moyen et long terme l’impact des promotions sur la fidélisation ou sur l’offre, l’incidence des soldes flottantes sur la rentabilité, etc.

De nombreux business cases sont publiés sur internet comme le cas Priceminister ou la Big data a joué un rôle important dans la définition de leur stratégie d’emailing. Ils avaient d’un côté des offres de déstockage issue de la place de marché (fréquence élévée sur des périodes courtes) et leur base de données marketing de l’autre avec une segmentation traditionnelle. Ils possédaient la conviction que la segmentation – ou l’échantillonnage dans le cadre de prétests – était une source d’erreurs et diminuait l’efficacité des opérations d’emailing et un taux de churn élevé. Avec une approche big data ils ont pu affiner la connaissance de la base et extraient à chaque camapgne des cibles plus fines. Ils ont ainsi découvert que les grands-mères aiment jouer à pokémon et que les grands pères n’offrent pas les pokemon qu’à leurs petits enfants ! Cette approche a multiplé l’efficaicté des campagnes par 10 (cibles plus affinitaires) et a limité le désabonnement.

Une autre approche, Allocine avait une problématique que rneonctre aujourd’hui la plupart des media en ligne, un besoin de revalorisation de l’espace publicitaire et de l’audience commercialisée par la donnée vs la pagevue. Pour illustration, 25% de l’audience de Allociné est réalisée sur leurs applications mobiles pour moins de 5% du Chiffre d’Affaires. Grâce à une approche big data, avec plusieurs centaines de millions d’interactions analysées par jour au travers d’une approche cross media, ils peuvent aujourd’hui adresser des utilisateurs dont les centres d’intérêt sont qualifiés et non des pages-vues.  Grace à ces nouvelles approches, Allociné commercialise auprès des distributeurs de films des offres leur permettant de juger de l’opportunité commerciale d’un film par pays, région, département ou villes dès le jour de sa sortie pour ainsi gérer le nombre de copie.

Big data permet des approches cross data compilant des données issues des différents canaux utilisés par les consommateurs : tv, offline (retails analytics), web et mobile. Sa force vient aussi de la visualisation ou de la compréhension de l’information. Accéder à la donnée était par la passé assez difficile, les directions marketing sont des personnes douées d’intuition et non de maths ou de logiques. Pour reprendre un exemple cher à Bruno Walther (@brunowalther) de Captain Dash, si je vous dis que la dette de la France est de n milliards ça ne vous parle pas mais si je la représente dans un treemap, en la comparant à la valorisation boursière du CAC40 et qu’en les superposant vous vous rendez compte que la dette équivaut à 2 fois la valorisation du CAC 40, cela devient intelligible voire effrayant !

Avec Quels profils ? quelles organisations ?

Les datascientists sont des experts rares et couteux, experts en mathématiques et en informatique, expert métier, il sont des super consultants, agiles, curieux, capable de monter rapidement des prototypes afin de mettre en avant des bénéfices de telle ou telle modélisation. Il est à noter que les outils informatiques évoluent telle vite que les mathématiques et les lagages informatiques sont de moins en moins utiles pour mettre en oeuvre des POC.

Des petites start-up à taille humaine peuvent efficacement vous accompagner, Spikly et Keyrus ont accompagné avec succès de grandes entreprises dans des approches de ce type, pour plus de renseignement contactez moi